KI kann Anzeichen von Alzheimer erkennen, bevor Ihre Familie es tut

Eine frühere Diagnose könnte Forschern helfen, Medikamente zu entwickeln, um das Fortschreiten der Krankheit zu verlangsamen. Durch

• Emily Mullin Archivseite

19. März 2018

Wenn David Graham morgens aufwacht, beginnt die flache weiße Box, die mit Klettverschlüssen an der Wand seines Zimmers in Robbie’s Place, einer Einrichtung für betreutes Wohnen in Marlborough, Massachusetts, befestigt ist, jede seiner Bewegungen aufzuzeichnen.

Es weiß, wann er aufsteht, sich anzieht, zu seinem Fenster geht oder ins Badezimmer geht. Es kann erkennen, ob er schläft oder gestürzt ist. Dies geschieht durch die Verwendung von drahtlosen Signalen mit geringer Leistung, um seine Ganggeschwindigkeit, Schlafmuster, seinen Standort und sogar sein Atemmuster abzubilden. All diese Informationen werden in die Cloud hochgeladen, wo maschinelle Lernalgorithmen Muster in den Tausenden von Bewegungen finden, die er jeden Tag macht.

Die rechteckigen Kästen sind Teil eines Experiments, das Forschern helfen soll, die Symptome von Alzheimer zu verfolgen und zu verstehen.

Es ist nicht immer offensichtlich, wenn sich Patienten in den frühen Stadien der Krankheit befinden. Veränderungen im Gehirn können subtile Veränderungen des Verhaltens und der Schlafmuster bewirken, Jahre bevor Menschen anfangen, Verwirrung und Gedächtnisverlust zu erleben. Forscher glauben, dass künstliche Intelligenz diese Veränderungen frühzeitig erkennen und Patienten identifizieren könnte, bei denen das Risiko besteht, dass sie die schwersten Formen der Krankheit entwickeln.

Das Erkennen der ersten Anzeichen von Alzheimer, bevor offensichtliche Symptome auftreten, könnte dazu beitragen, Menschen zu identifizieren, die am wahrscheinlichsten von experimentellen Medikamenten profitieren, und es den Familienmitgliedern ermöglichen, die eventuelle Pflege zu planen. Geräte, die mit solchen Algorithmen ausgestattet sind, könnten in den Wohnungen von Menschen oder in Langzeitpflegeeinrichtungen installiert werden, um gefährdete Personen zu überwachen. Für Patienten, die bereits eine Diagnose haben, könnte eine solche Technologie den Ärzten helfen, Anpassungen in ihrer Behandlung vorzunehmen.

Auch Pharmaunternehmen sind daran interessiert, maschinelle Lernalgorithmen einzusetzen, um in ihrem Fall Krankenakten nach den Patienten zu durchsuchen, die am wahrscheinlichsten von experimentellen Medikamenten profitieren. Sobald Menschen an einer Studie teilnehmen, kann KI den Ermittlern möglicherweise mitteilen, ob das Medikament ihre Symptome bekämpft.

Derzeit gibt es keine einfache Möglichkeit, Alzheimer zu diagnostizieren. Es gibt keinen einzigen Test, und Gehirnscans allein können nicht feststellen, ob jemand die Krankheit hat. Stattdessen müssen Ärzte eine Vielzahl von Faktoren berücksichtigen, darunter die Krankengeschichte eines Patienten und Beobachtungen, die von Familienmitgliedern oder medizinischem Personal gemeldet wurden. So könnte maschinelles Lernen Muster aufgreifen, die sonst leicht übersehen würden.

David Graham, einer von Vahias Patienten, hat eines der KI-betriebenen Geräte in seinem Zimmer in Robbie’s Place, einer Einrichtung für betreutes Wohnen in Marlborough, Massachusetts.

Graham wurde im Gegensatz zu den vier anderen Patienten mit solchen Geräten in ihren Zimmern nicht mit Alzheimer diagnostiziert. Aber Forscher überwachen seine Bewegungen und vergleichen sie mit Mustern, die bei Patienten beobachtet werden, von denen Ärzte vermuten, dass sie die Krankheit haben.

Dina Katabi und ihr Team vom Computer Science and Artificial Intelligence Laboratory des MIT entwickelten das Gerät zunächst als Sturzdetektor für ältere Menschen. Aber sie erkannten bald, dass es weitaus mehr Verwendungsmöglichkeiten hatte. Wenn es einen Sturz auffangen kann, dachten sie, muss es auch andere Bewegungen wie Gehen und Wandern erkennen können, die Anzeichen von Alzheimer sein können.

Katabi sagt, ihre Absicht sei es gewesen, Menschen zu überwachen, ohne dass sie jeden Tag ein tragbares Ortungsgerät tragen müssten. Das ist komplett passiv. Ein Patient muss keine Sensoren an seinem Körper anbringen oder etwas Bestimmtes tun, und es ist weitaus weniger aufdringlich als eine Videokamera, sagt sie.

Wie es funktioniert

Graham bemerkt die weiße Kiste kaum, die in seinem sonnendurchfluteten, aufgeräumten Zimmer hängt. Am bewusstesten ist es ihm an Tagen, an denen Ipsit Vahia seine Runde macht und ihm von den Daten erzählt, die es sammelt. Vahia ist geriatrischer Psychiater am McLean Hospital und an der Harvard Medical School, und er und die Erfinder der Technologie am MIT führen eine kleine Pilotstudie des Geräts durch.

Graham freut sich auf diese Besuche. Bei einem kürzlichen war er überrascht, als Vahia ihm sagte, dass er nachts aufwachen würde. Das Gerät konnte es erkennen, obwohl Graham nicht wusste, dass er es tat.

Das drahtlose Funksignal des Geräts, nur ein Tausendstel so stark wie Wi-Fi, reflektiert alles in einem Radius von 30 Fuß, einschließlich menschlicher Körper. Jede Bewegung – auch die kleinste wie das Atmen – bewirkt eine Veränderung des reflektierten Signals.

Graham sagt, dass er das Gerät, das in seinem Zimmer hängt, kaum bemerkt.

Katabi und ihr Team haben maschinelle Lernalgorithmen entwickelt, die all diese winzigen Reflexionen analysieren. Sie trainierten das System, um einfache Bewegungen wie Gehen und Fallen und komplexere Bewegungen wie solche, die mit Schlafstörungen verbunden sind, zu erkennen. Wenn Sie ihr mehr und mehr beibringen, lernt die Maschine, und wenn sie das nächste Mal ein Muster sieht, erkennt die Maschine dieses Muster, selbst wenn es für einen Menschen zu komplex ist, um dieses Muster zu abstrahieren, sagt Katabi.

Im Laufe der Zeit erstellt das Gerät große Datenauslesungen, die Verhaltensmuster zeigen. Die KI soll Abweichungen von diesen Mustern erkennen, die auf Dinge wie Unruhe, Depression und Schlafstörungen hindeuten könnten. Es könnte auch feststellen, ob eine Person im Laufe des Tages bestimmte Verhaltensweisen wiederholt. Das sind alles klassische Symptome von Alzheimer.

Wenn Sie diese Abweichungen frühzeitig erkennen können, können Sie sie vorhersehen und bei der Bewältigung helfen, sagt Vahia.

Bei einer Patientin mit Alzheimer-Diagnose konnten Vahia und Katabi feststellen, dass sie um 2 Uhr morgens aufwachte und in ihrem Zimmer umherwanderte. Sie bemerkten auch, dass sie nach dem Besuch bestimmter Familienmitglieder mehr auf und ab ging. Nachdem Vahia dieses Verhalten von einer Krankenschwester bestätigt hatte, passte sie die Dosis des Patienten eines Medikaments an, das zur Vorbeugung von Unruhe verwendet wurde.

Ipsit Vahia und Dina Katabi testen ein KI-betriebenes Gerät, das Katabis Labor gebaut hat, um das Verhalten von Menschen mit Alzheimer sowie von Menschen mit einem Risiko für die Entwicklung der Krankheit zu überwachen.

Gehirn verändert sich

KI findet auch Anwendung, um Ärzten dabei zu helfen, frühe Anzeichen von Alzheimer im Gehirn zu erkennen und zu verstehen, wie sich diese körperlichen Veränderungen bei verschiedenen Menschen entfalten. Wenn ein Radiologe einen Scan liest, ist es unmöglich zu sagen, ob eine Person die Alzheimer-Krankheit entwickeln wird, sagt Pedro Rosa-Neto, Neurologe an der McGill University in Montreal.

Rosa-Neto und seine Kollegin Sulantha Mathotaarachchi entwickelten einen Algorithmus, der Hunderte von Positronen-Emissions-Tomographie (PET)-Scans von Menschen analysierte, die als gefährdet galten, an Alzheimer zu erkranken. Aus Krankenakten wussten die Forscher, welche dieser Patienten die Krankheit innerhalb von zwei Jahren nach einem Scan entwickelt hatten, aber sie wollten sehen, ob das KI-System sie identifizieren konnte, indem sie einfach Muster in den Bildern aufnahm.

Sicher genug, der Algorithmus Muster erkennen konnte in Klumpen von Amyloid – einem Protein, das oft mit der Krankheit in Verbindung gebracht wird – in bestimmten Regionen des Gehirns. Selbst ausgebildete Radiologen hätten Schwierigkeiten gehabt, diese Probleme bei einem Gehirnscan zu bemerken. Anhand der Muster konnte es mit einer Genauigkeit von 84 Prozent erkennen, welche Patienten an Alzheimer erkrankt sind.

Maschinelles Lernen hilft Ärzten auch, den Schweregrad der Krankheit bei verschiedenen Patienten vorherzusagen. Der Arzt und Wissenschaftler der Duke University, P. Murali Doraiswamy, nutzt maschinelles Lernen, um herauszufinden, in welchem ​​​​Stadium der Krankheit sich Patienten befinden und ob sich ihr Zustand wahrscheinlich verschlechtern wird.

Verwandte Geschichte

Verwandte GeschichteDas Versagen von Medikamenten kann uns sagen, dass wir nicht wissen, was die Alzheimer-Krankheit verursacht.

Wir haben Alzheimer als ein universelles Problem gesehen, sagt Doraiswamy. Aber Menschen mit Alzheimer haben nicht alle die gleichen Symptome, und manche werden möglicherweise schneller schlimmer als andere. Ärzte haben keine Ahnung, welche Patienten eine Weile stabil bleiben oder welche schnell kränker werden. Also dachten wir, dass der beste Weg, dieses Problem zu lösen, darin besteht, es von einer Maschine erledigen zu lassen, sagt er.

Er arbeitete mit Dragan Gamberger, einem Experten für künstliche Intelligenz am Rudjer Boskovic Institute in Kroatien, zusammen Entwicklung eines maschinellen Lernalgorithmus die Gehirnscans und Krankenakten von 562 Patienten durchsuchte, die zu Beginn eines Zeitraums von fünf Jahren eine leichte kognitive Beeinträchtigung hatten.

Es entstanden zwei unterschiedliche Gruppen: diejenigen, deren Kognition signifikant zurückging, und diejenigen, deren Symptome sich im Laufe der fünf Jahre wenig oder gar nicht veränderten. Das System war in der Lage, Veränderungen beim Verlust von Hirngewebe im Laufe der Zeit zu erkennen.

Eine dritte Gruppe lag irgendwo in der Mitte, zwischen leichter kognitiver Beeinträchtigung und fortgeschrittener Alzheimer-Krankheit. Wir wissen noch nicht, warum diese Cluster existieren, sagt Doraiswamy.

Klinische Versuche

Von 2002 bis 2012, 99 Prozent der in der Erprobung befindlichen Alzheimer-Medikamente schlugen fehl in klinischen Studien. Ein Grund ist, dass niemand genau weiß, was die Krankheit verursacht. Aber ein weiterer Grund ist, dass es schwierig ist, die Patienten zu identifizieren, die am wahrscheinlichsten von bestimmten Medikamenten profitieren.

KI-Systeme könnten dabei helfen, bessere Studien zu entwickeln. Sobald wir diese Menschen zusammen mit gemeinsamen Genen, Merkmalen und bildgebenden Scans haben, wird das das Testen von Medikamenten viel einfacher machen, sagt Marilyn Miller, die die KI-Forschung bei Alzheimer am National Institute on Aging leitet, das zu den US National Institutes gehört von Gesundheit.

Sobald die Patienten in eine Studie aufgenommen wurden, könnten die Forscher sie kontinuierlich überwachen, um festzustellen, ob sie von dem Medikament profitieren.

Eine der größten Herausforderungen bei der Entwicklung von Alzheimer-Medikamenten besteht darin, dass wir keine gute Möglichkeit hatten, die richtige Bevölkerungsgruppe herauszufiltern, an der das Medikament getestet werden kann, sagt Vaibhav Narayan, ein Forscher im neurowissenschaftlichen Team von Johnson & Johnson.

Er sagt, dass maschinelle Lernalgorithmen den Prozess der Rekrutierung von Patienten für Arzneimittelstudien erheblich beschleunigen werden. Und wenn die KI erkennen kann, bei welchen Patienten es am wahrscheinlichsten schneller geht, können Forscher leichter feststellen, ob ein Medikament einen Nutzen hat.

Auf diese Weise können Ärzte wie Vahia, wenn sie Anzeichen von Alzheimer bei einer Person wie Graham bemerken, ihn schnell für eine klinische Studie anmelden, in der Hoffnung, die verheerenden Auswirkungen einzudämmen, die sonst Jahre später eintreten würden.

Miller glaubt, dass KI bereits in fünf Jahren zur Diagnose und Vorhersage von Alzheimer bei Patienten eingesetzt werden könnte. Sie sagt jedoch, dass viele Daten erforderlich sind, um sicherzustellen, dass die Algorithmen genau und zuverlässig sind. Graham zum Beispiel tut seinen Teil, um zu helfen.

verbergen